清华大学联合字节跳动解锁通用听觉人工智能 SALMONN大语言模型发布

(资料图)

【太平洋科技资讯】8月22日消息，近日，清华大学电子工程系与字节跳动火山语音团队联手，推出了一款名为SALMONN的开源大语言模型，这意味着任何人都可以使用它来构建自己的听觉人工智能应用，从而推动听觉人工智能的发展和应用。

据了解，SALMONN模型具有强大的功能和广泛的应用范围。它不仅支持语音、音频以及音乐输入，还能感知和理解各种类型的音频内容输入。更为出色的是，SALMONN模型还具备多语言语音识别和翻译以及语音推理等功能。

官方表示，SALMONN模型的能力远不止于此。它能够胜任英语语音识别、英语到中文的语音翻译、情感识别、音频字幕生成、音乐描述等重要的语音和音频任务。而且，SALMONN模型在训练过程中，还展现出了许多未曾专门学习过的多语言和跨模态能力。这些能力包括非英语语音识别、英语到中文以外其他语言的语音翻译、对语音内容的摘要和关键词提取、基于音频的故事生成、音频问答、语音和音频联合推理等任务。

开源这个模型意味着，全世界的开发者、研究者都可以使用和改进这个模型，推动听觉人工智能技术的发展。同时，这也将推动相关行业的发展，比如智能语音助手、自动语音翻译、语音内容生成等。此外，这也显示出中国在人工智能领域的研究实力，特别是在语音和听觉人工智能方面的领先地位。

目前，SALMONN模型已经在GitHub上发布，官方还提供了项目的Demo链接，供广大用户和开发者参考和学习。这无疑为语音和音频技术的发展开辟了新的道路，也为广大用户提供了更为丰富和便捷的服务。对此，我们充满期待，也相信SALMONN模型将在未来的发展中，发挥出更大的作用。

关键词：